一种基于模糊聚类的中长期电力负荷预测方法技术

本发明专利技术是一种基于模糊聚类的中长期电力负荷预测方法，其特点是,包括：使用本方法开展中长期电力负荷预测，应确定预测量及其影响因素，通过观测获取各影响因素在一定时间范围内的样本数据，建立样本数据的模糊相似关系，分析各样本的独特性、相似性与亲疏程度等特征，对近似样本进行归并、分类与筛选，形成新的相对独立、关联性较低的行为因子(聚类后负荷影响因素)，依据分类结果，分析计算聚类后各样本序列与预测量序列(主行为)的灰色绝对关联度及样本序列的权重系数，以样本聚类结果随后拟合数据预测值为自变量，建立预测量的预测模型，具有科学合理，简便易行，预测精准，适用性强，适用于中长期电力负荷预测。

【技术实现步骤摘要】

本专利技术涉及，适用于电网的年最大 负荷、年用电量预测。
技术介绍
负荷曲线反映用户的用电特点及规律，通过负荷变化趋势，安排电力系统运行方 案，安排供电设备计划，安排设备检修计划等，而中长期负荷变化趋势更是电网规划的基 础，电网规划又是电网建设的依托。因此，如何准确进行负荷预测已经成为提高电网运行合 理度及其规划质量的前提。 电力负荷受到的影响因素众多，具有较强的不确定性和随机性，且相互之间存在 着一定的关联性，当使用传统方法进行电力负荷预测时，在确定影响因素对被预测量的影 响程度时，由于影响因素之间的关联性极有可能导致信息重叠，导致预测模型的精准度降 低。传统预测方法大致可以分为参数估计法和人工智能法，经过不断演化，传统预测模型都 已较为成熟。传统预测方法多以如"负荷相关经济数据"等负荷间接影响因素或者电力负荷 数据序列本身进行建模和分析，有效地利用负荷相关经济数据或者序列自身反应的一些隐 含信息，但这些信息还不够全面、完整。 对于中长期电力负荷预测来说，怎样消除众多负荷影响因素的相关性，挖掘如"主 要行业用电量"等负荷直接影响因素的新信息，从而更加准确、全面的表述影本文档来自技高网...

【技术保护点】
一种基于模糊聚类的中长期电力负荷预测方法，其特征是，包括以下步骤：1)消除影响因素间的强相关性为了消除电力负荷影响因素彼此之间的强相关性，作出精确预测，需采用模糊聚类法对影响因素进行分类，相关性较强的若干因素将被归为一类，便于分析其对电力负荷的整体影响；设有m个样本，每个样本包括持续观测得到的n个样本元素，观测数据矩阵X如下：x‾ij=xijmax{xi1,xi2,...xin}---(2)]]>dpq=[Σj=1n(x‾pj-x‾qj)2]1/2---(4)]]>其中，下标i表示第i个样本，下标j表示第j个时间段...

【技术特征摘要】

【专利技术属性】
技术研发人员：牛强，吴显舟，王吉，邹刚，于伟东，李蒙，施阳，韩洁平，闫晶，王燕涛，李勇，
申请(专利权)人：国家电网公司，国网吉林省电力有限公司吉林供电公司，东北电力大学，
类型：发明
国别省市：北京;11